跳到正文
Hacker News· jjgreen·· 9 天前AI 评分37

OpenAI 访问学者用 GPT-6 Astra 完成手征费米子格点规范理论论文

AI and Chiral Fermions

AI 导读

粒子理论家 Nathaniel Craig 在 OpenAI 访问期间,借助 GPT-6 Astra 完成 123 页预印本《A gauge-invariant measure for lattice chiral fermions》,将 Lüscher 1998 年的阿贝尔情形推广到部分非阿贝尔情形,包括标准模型情形。

正文 · AI 翻译

原来昨天OpenAI还出了另一个AI成果,与slopocalypse颇为不同,而且对基础物理学更有意义。Nathaniel Craig,一位粒子理论家,目前在OpenAI担任为期一年的访问职位,在arXiv上发布了一篇预印本,题为A gauge-invariant measure for lattice chiral fermions。这项工作大量使用了OpenAI的最新模型GPT-6 Astra:

OpenAI的GPT-6 Astra模型对这一成果至关重要。我提出了一种策略,利用精化方法扩展Lüscher的阿贝尔结果,经过与Astra及外部专家的多轮迭代,最终形成了当前由Astra主导的证明。手稿将作者撰写的部分与对Astra所写证明的大量改写结合在一起。我和同事提出了对该方法的检验,包括Lean验证,这些由Astra完成;记录部分检验的补充材料由Astra撰写。

关于这份手稿的一些观察,包括它与昨天那批数学产物不同的地方:

  • 撰写这篇论文投入了多得多的人力。它长达123页,大部分章节与纯Astra数学手稿相似,但显然也经过了一些编辑,使其更便于人类阅读。其他大部分章节显然主要由Craig撰写:风格与Astra所写的非常不同,堪比通常高质量的人类撰写的高能物理理论论文。
  • 据我所知,Craig此前从未写过关于格点规范理论的论文。他识别出了自己通常专业范围之外的一个重要问题,并选择尝试用AI来提供部分替代性专业知识,这相当有趣。其他物理学家和数学家会以这种方式利用AI来突破自己当前专业知识的限制吗?
  • Craig完全不是数学家或数学物理学家。在这份手稿中,Astra扮演了数学合作者的角色,产出了大量严格的论证,带有证明,甚至可以在Lean中形式化。这是另一个有趣的选择:未来的理论物理学家会采用AI代理来为他们的论文添加这类材料吗?

为不太了解底层问题的读者提供背景,这里做一个简要总结。为了使标准模型在非微扰意义上数学上良定义,需要进行某种正则化,然后研究移除正则化子时的极限。最成功的版本是格点规范理论,它为规范场自由度提供了一种优美而简单的规范不变正则化。这在允许对标准模型的强相互作用部分进行非微扰计算方面做得非常好

引入费米子旋量自由度要棘手得多,狄拉克方程的性质导致正则化理论时出现困难问题。当规范场相互作用是非手性的(如电磁和强相互作用部分),这些问题可以用各种方式处理,但像电弱部分那样的手性相互作用引入了新的原则性问题。五十年来,我们一直处于这样一种状况:原则上(且常常在实践中),格点提供了一种在电磁和强相互作用部分一致地进行非微扰计算的方法,但在电弱部分则不行。

关于如何解决这个问题,已经有数量多得令人困惑的提案(Craig 列出了近 60 个,作为参考文献 25-84)。他选择了一个特定的方案,来自 Martin Lüscher,后者在 1998 年就推导出了阿贝尔规范场情形的细节。在 Astra 的帮助下,他将其推广到一些非阿贝尔情形,包括标准模型情形。在过去 25 年里,我所看到的其他人试图做这件事的唯一参考文献是 Kikukawa 以及 Kadoh/Kikukawa 的三篇论文。

我没有尝试去跟进这篇论文的细节,尤其是 Astra 提供的那些复杂部分。这项工作的结果相对于 Lüscher 只是适度的推进,距离在连续极限下原则上完整定义具有所需特征的理论还有很长的路要走。据我所知,这并不能让人们在实践中进行真正的非微扰电弱计算。

看到这种人类/AI 在基础理论重要问题上的合作非常有趣。不过,恐怕它说明了试图用 AI 在高能物理理论中如此深刻的问题上取得进展所面临的基本问题。Craig 所做的,是遵循一个始于 1980 年代的解决该问题的纲领,该纲领在 1990 年代由少数研究者进一步发展,然后因前景不佳而基本被放弃。把 AI 的火力用于推进一个因充分理由而停滞的复杂提案,不太可能通向任何有趣的地方。

我个人认为,我们对非微扰手征旋量规范理论之谜缺乏理解,是该领域数十年停滞的核心原因。然而,改变这一状况需要比这篇论文所研究的纲领更深刻、更有洞见的东西。目前看来,帮助做到这一点远远超出当前 AI 前沿模型的能力。

来源:Hacker News · math.columbia.edu